/ Модель
Каталог

Характеристики

Размер весов
6,2 МБ
Архитектура
v8 · dense
Библиотека
ultralytics
Опубликована
29 янв 2023

Ссылки

Hugging Face

yolov8n-protective-equipment-detection

keremberke
Поиск объектовИзображение → bounding_boxes3 профессии

Модель YOLOv8 для обнаружения средств индивидуальной защиты и их отсутствия на изображениях.

920скачиваний за 30 дней1лайквеса обновлены22 фев 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

keremberke/yolov8n-protective-equipment-detection — модель обнаружения объектов на основе архитектуры YOLOv8, опубликованная пользователем Hugging Face keremberke. Она предназначена для поиска на изображениях средств индивидуальной защиты и выявления случаев, когда они отсутствуют: модель распознаёт перчатки, защитные очки, каски, маски и обувь, а также соответствующие классы отсутствующей экипировки.

Модель подходит для контроля соблюдения требований безопасности на рабочих местах по фото или кадрам с камер. Она опубликована в формате PyTorch и использует библиотеку Ultralytics. Карточка перечисляет классы объектов и упоминает установку ultralyticsplus, но не приводит дополнительные сведения о точности, размере модели или условиях лицензирования.

Сценарии применения

  • проверка наличия касок на рабочих местах
  • обнаружение защитных очков на фото сотрудников
  • проверка использования перчаток и масок
  • контроль наличия защитной обуви
  • автоматическая проверка соблюдения требований охраны труда по изображениям

Ограничения

Карточка не сообщает метрики качества и условия лицензирования. Распознавание ограничено перечисленными классами экипировки и их отсутствия; качество на конкретных камерах и в иных условиях не описано.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Supported Labels

['glove', 'goggles', 'helmet', 'mask', 'no_glove', 'no_goggles', 'no_helmet', 'no_mask', 'no_shoes', 'shoes']

How to use

pip install ultralyticsplus==0.0.23 ultralytics==8.0.21
  • Load model and perform prediction:
from ultralyticsplus import YOLO, render_result

# load model
model = YOLO('keremberke/yolov8n-protective-equipment-detection')

# set model parameters
model.overrides['conf'] = 0.25  # NMS confidence threshold
model.overrides['iou'] = 0.45  # NMS IoU threshold
model.overrides['agnostic_nms'] = False  # NMS class-agnostic
model.overrides['max_det'] = 1000  # maximum number of detections per image

# set image
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# perform inference
results = model.predict(image)

# observe results
print(results[0].boxes)
render = render_result(model=model, image=image, result=results[0])
render.show()

More models available at: awesome-yolov8-models

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · ultralytics

Нельзя запустить

Модели Ultralytics YOLO требуют отдельного рантайма.

Ревизия весов
2dfdc55

0 моделей

    Создать бенчмарк